聚合函数
ClickHouse 支持所有标准 SQL 聚合函数 (sum, avg, min, max, count),以及广泛的其他聚合函数。
页面 | 描述 |
---|---|
aggThrow | 此函数可用于测试异常安全性。它将在创建时抛出异常,概率由指定。 |
analysisOfVariance | 提供单因素方差分析的统计测试(ANOVA 测试)。它是对几组正态分布观察值进行测试,以确定所有组的均值是否相同。 |
any | 选择列中首次出现的值。 |
anyHeavy | 使用重击算法选择经常出现的值。如果在每个查询执行线程中有一个值出现的次数超过一半,则返回该值。通常,结果是非确定性的。 |
anyLast | 选择列中最后出现的值。 |
approx_top_k | 返回指定列中大约最频繁值及其计数的数组。 |
approx_top_sum | 返回指定列中大约最频繁值及其计数的数组。 |
argMax | 计算最大 val 值的 arg 值。 |
argMin | 计算最小 val 值的 arg 值。如果有多行具有相同的最大 val ,则返回的相关 arg 不具有确定性。 |
groupArrayArray | 将数组聚合为一个更大的数组。 |
avg | 计算算术平均值。 |
avgWeighted | 计算加权算术平均值。 |
boundingRatio | 计算值组的最左和最右点之间的斜率的聚合函数。 |
categoricalInformationValue | 为每个类别计算 (P(tag = 1) - P(tag = 0))(log(P(tag = 1)) - log(P(tag = 0))) 的值。 |
contingency | contingency 函数计算应变系数,这是一个衡量表中两个列之间关联的值。计算方式类似于 cramersV 函数,但是在平方根中有不同的分母。 |
corr | 计算 Pearson 相关系数。 |
corrMatrix | 计算 N 个变量的相关矩阵。 |
corrStable | 计算 Pearson 相关系数,但使用数值稳定的算法。 |
count | 计算行数或非 NULL 值的数量。 |
covarPop | 计算种群协方差。 |
covarPopMatrix | 返回 N 个变量的种群协方差矩阵。 |
covarPopStable | 计算种群协方差的值。 |
covarSamp | 计算 Σ((x - x̅)(y - y̅)) / (n - 1) 的值。 |
covarSampMatrix | 返回 N 个变量的样本协方差矩阵。 |
covarSampStable | 类似于 covarSamp,但运行速度较慢且提供更低的计算误差。 |
cramersV | cramersV 函数的结果范围从 0(对应于两个变量之间没有关联)到 1,只有当每个值完全由另一个值决定时,才能达到 1。它可以被视为两个变量之间的关联程度,占其最大可能变化的百分比。 |
cramersVBiasCorrected | 计算 Cramer's V,但使用偏差校正。 |
deltaSum | 求连续行之间的算术差值总和。 |
deltaSumTimestamp | 添加连续行的差值。如果差值为负,则被忽略。 |
entropy | 计算列值的 Shannon 熵。 |
estimateCompressionRatio | 在不压缩的情况下估计给定列的压缩比。 |
exponentialMovingAverage | 计算确定时间段内值的指数移动平均。 |
exponentialTimeDecayedAvg | 返回时间序列在 t 时刻的指数平滑加权移动平均。 |
exponentialTimeDecayedCount | 返回时间序列在时间索引 t 的累积指数衰减。 |
exponentialTimeDecayedMax | 返回在时间索引 t 的计算指数平滑移动平均的最大值与在 t-1 的值比较。 |
exponentialTimeDecayedSum | 返回时间序列在时间索引 t 的指数平滑移动平均值之和。 |
first_value | 是任何值的别名,但引入的原因是与窗口函数的兼容性,有时必须处理 NULL 值(默认情况下,所有 ClickHouse 聚合函数忽略 NULL 值)。 |
flameGraph | 聚合函数使用堆栈跟踪列表构建火焰图。 |
groupArray | 创建参数值的数组。值可以以任何(不确定)顺序添加到数组中。 |
groupArrayInsertAt | 将值插入到指定位置的数组中。 |
groupArrayIntersect | 返回给定数组的交集(返回所有在所有给定数组中的数组项)。 |
groupArrayLast | 创建最后参数值的数组。 |
groupArrayMovingSum | 计算输入值的移动和。 |
groupArrayMovingAvg | 计算输入值的移动平均。 |
groupArraySample | 创建样本参数值的数组。结果数组的大小限制为 max_size 元素。随机选择参数值并添加到数组中。 |
timeSeriesGroupArray | 将时间序列按时间戳升序排序。 |
groupArraySorted | 返回按升序排列的前 N 项数组。 |
groupBitAnd | 对一系列数字应用按位 AND 。 |
groupBitmap | 从无符号整数列进行位图或聚合计算,返回类型为 UInt64 的基数,如果加上后缀 -State,则返回位图对象。 |
groupBitmapAnd | 计算位图列的 AND,返回类型为 UInt64 的基数,如果加上后缀 -State,则返回位图对象。 |
groupBitmapOr | 计算位图列的 OR,返回类型为 UInt64 的基数,如果加上后缀 -State,则返回位图对象。等价于 groupBitmapMerge 。 |
groupBitmapXor | 计算位图列的 XOR,并返回类型为 UInt64 的基数,如果与后缀 -State 一起使用,则返回位图对象。 |
groupBitOr | 对一系列数字应用按位 OR 。 |
groupBitXor | 对一系列数字应用按位 XOR 。 |
groupUniqArray | 从不同的参数值创建数组。 |
intervalLengthSum | 计算所有范围(数字轴上的分段)联合总长度。 |
kolmogorovSmirnovTest | 对来自两个总体的样本应用 Kolmogorov-Smirnov 测试。 |
kurtPop | 计算序列的峰度。 |
kurtSamp | 计算序列的样本峰度。 |
largestTriangleThreeBuckets | 将 Largest-Triangle-Three-Buckets 算法应用于输入数据。 |
last_value | 选择最后出现的值,类似于 anyLast ,但可以接受 NULL。 |
mannWhitneyUTest | 对来自两个总体的样本应用 Mann-Whitney 排名测试。 |
max | 聚合函数,计算一组值中的最大值。 |
maxIntersections | 聚合函数,计算一组区间相互交叉的最大次数(如果所有区间至少交叉一次)。 |
maxIntersectionsPosition | 聚合函数,计算 maxIntersections 函数的出现位置。 |
maxMap | 根据 key 数组中指定的键,计算 value 数组中的最大值。 |
meanZTest | 对来自两个总体的样本应用均值 Z 测试。 |
median | median* 函数是相应 quantile* 函数的别名。它们计算数值数据样本的中位数。 |
min | 聚合函数,计算一组值中的最小值。 |
minMap | 根据 key 数组中指定的键,计算 value 数组中的最小值。 |
quantile | 计算数值数据序列的近似分位数。 |
quantileDD | 计算带有相对误差保证的样本近似分位数。 |
quantileBFloat16 | 计算由 bfloat16 数字组成的样本的近似分位数。 |
quantileDeterministic | 计算数值数据序列的近似分位数。 |
quantileExact Functions | quantileExact, quantileExactLow, quantileExactHigh, quantileExactExclusive, quantileExactInclusive 函数 |
quantileExactWeighted | 精确计算数值数据序列的分位数,考虑到每个元素的权重。 |
quantileGK | 使用 Greenwald-Khanna 算法计算数值数据序列的分位数。 |
quantileExactWeightedInterpolated | 使用线性插值计算数值数据序列的分位数,考虑到每个元素的权重。 |
quantileInterpolatedWeighted | 使用线性插值计算数值数据序列的分位数,考虑到每个元素的权重。 |
quantiles Functions | quantiles, quantilesExactExclusive, quantilesExactInclusive, quantilesGK |
quantileTDigest | 使用 t-digest 算法计算数值数据序列的近似分位数。 |
quantileTDigestWeighted | 使用 t-digest 算法计算数值数据序列的近似分位数。 |
quantileTiming | 以确定的精度计算数值数据序列的分位数。 |
quantileTimingWeighted | 以确定的精度计算根据每个序列成员权重的数值数据序列的分位数。 |
rankCorr | 计算排名相关系数。 |
simpleLinearRegression | 执行简单(单维)线性回归。 |
singleValueOrNull | 聚合函数 singleValueOrNull 用于实现子查询操作符,例如 x = ALL (SELECT ...) 。它检查数据中是否仅存在一个唯一的非 NULL 值。 |
skewPop | 计算序列的偏度。 |
skewSamp | 计算序列的样本偏度。 |
sparkbar | 函数为值 x 绘制频率直方图,以及这些值在区间 [min_x, max_x] 上的重复率 y 。 |
stddevPop | 结果等于 varPop 的平方根。 |
stddevPopStable | 结果等于 varPop 的平方根。与 stddevPop 不同,此函数使用数值稳定的算法。 |
stddevSamp | 结果等于 varSamp 的平方根。 |
stddevSampStable | 结果等于 varSamp 的平方根。与此函数使用数值稳定的算法。运行速度较慢,但提供更低的计算误差。 |
stochasticLinearRegression | 此函数实现随机线性回归。支持学习率、L2 正则化系数、迷你批量大小的自定义参数,并具有几种更新权重的方法(Adam、简单的 SGD、动量、Nesterov)。 |
stochasticLogisticRegression | 此函数实现随机逻辑回归。可用于二元分类问题,支持与 stochasticLinearRegression 相同的自定义参数,并以相同的方式工作。 |
studentTTest | 对两个总体的样本应用学生 t 测试。 |
sum | 计算总和。仅对数字有效。 |
studentTTestOneSample | 对样本和已知总体均值应用单样本学生 t 测试。 |
sumCount | 同时计算数字的总和并计算行数。该函数由 ClickHouse 查询优化器使用:如果查询中有多个 sum 、count 或 avg 函数,则可以替换为单个 sumCount 函数以重用计算。该函数很少需要显式使用。 |
sumKahan | 使用 Kahan 补偿求和算法计算数字的总和。 |
sumMap | 根据 key 数组中指定的键对一个或多个 value 数组进行求和。返回一个元组数组:按排序顺序的键,后跟按对应键求和的值,无溢出。 |
sumMapWithOverflow | 根据 key 数组中指定的键对 value 数组进行求和。返回两个数组的元组:按排序顺序的键,以及按对应键求和的值。与 sumMap 函数不同,它在进行求和时允许溢出。 |
sumWithOverflow | 计算数字的总和,计算结果与输入参数相同的数据类型。如果总和超过该数据类型的最大值,则会出现溢出计算。 |
theilsU | theilsU 函数计算 Theils' U 不确定系数,这是一个衡量表中两个列之间关联的值。 |
topK | 返回指定列中大约最频繁值的数组。结果数组按值的近似频率降序排列(而不是值本身)。 |
topKWeighted | 返回指定列中大约最频繁值的数组。结果数组按值的近似频率降序排列(而不是值本身)。此外,还考虑值的权重。 |
uniq | 计算参数的不同值的近似数量。 |
uniqCombined | 计算不同参数值的近似数量。 |
uniqCombined64 | 计算不同参数值的近似数量。它与 uniqCombined 相同,但对所有数据类型使用 64 位哈希,而不仅仅是字符串数据类型。 |
uniqExact | 计算不同参数值的确切数量。 |
uniqHLL12 | 使用 HyperLogLog 算法计算不同参数值的近似数量。 |
uniqTheta | 使用 Theta Sketch 框架计算不同参数值的近似数量。 |
varPop | 计算种群方差。 |
varPopStable | 返回种群方差。与 varPop 不同,此函数使用数值稳定的算法。它运行速度较慢,但提供更低的计算误差。 |
varSamp | 计算数据集的样本方差。 |
varSampStable | 计算数据集的样本方差。与 varSamp 不同,此函数使用数值稳定的算法。它运行速度较慢,但提供更低的计算误差。 |
welchTTest | 对来自两个总体的样本应用 Welch 的 t 测试。 |
distinctDynamicTypes | 计算存储在动态列中的不同数据类型列表。 |
distinctJSONPaths | 计算存储在 JSON 列中的不同路径列表。 |
timeSeriesDeltaToGrid | 聚合函数,计算在指定网格上的时间序列数据的类似 PromQL 的增量。 |
timeSeriesInstantDeltaToGrid | 聚合函数,计算在指定网格上的时间序列数据的类似 PromQL 的瞬时增量。 |
timeSeriesInstantRateToGrid | 聚合函数,计算在指定网格上的时间序列数据的类似 PromQL 的瞬时速率。 |
timeSeriesLastTwoSamples | 聚合函数,用于重新采样时间序列数据以进行类似 PromQL 的瞬时速率和增量计算。 |
timeSeriesRateToGrid | 聚合函数,计算在指定网格上的时间序列数据的类似 PromQL 的速率。 |
timeSeriesResampleToGridWithStaleness | 聚合函数,将时间序列数据重新采样到指定网格。 |
timeSeriesDerivToGrid | 聚合函数,计算在指定网格上的时间序列数据的类似 PromQL 的导数。 |
timeSeriesPredictLinearToGrid | 聚合函数,计算在指定网格上的时间序列数据的类似 PromQL 的线性预测。 |
timeSeriesChangesToGrid | 聚合函数,计算在指定网格上的时间序列数据的类似 PromQL 的变化。 |
timeSeriesResetsToGrid | 聚合函数,计算在指定网格上的时间序列数据的类似 PromQL 的重置。 |
groupConcat | 从一组字符串计算拼接字符串,可以选择用分隔符分隔,并可以限制元素的最大数量。 |
quantilePrometheusHistogram | 使用线性插值计算直方图的分位数。 |